銀行危機は銀行取付（バンクラン）と銀行パニックと密接に関連しているにもかかわらず、銀行レベルのデータ不足により、銀行取付に関する実証的な理解は制限されてきた。この課題に対して、研究者らは大規模言語モデル（LLM）を活用し、数百万ページにおよぶデジタル化された歴史的新聞記事から銀行取付に関する情報を抽出した。その結果、米国史上最も包括的な銀行取付のデータベースが構築されたのである。 このプロジェクトでは、機械学習技術を用いて膨大な歴史文書から銀行取付に関する記述を自動抽出し、それらを体系的に整理することに成功した。従来、このような作業は手作業で行われるしかなく、膨大な時間と労力を要していたが、LLMの導入によって大幅に効率化されたという。識別されたすべての銀行取付エピソードはウェブサイトで公開されており、ユーザーは個別のエピソードを閲覧・検証したり、元の新聞記事を読んだりすることが可能である。 本研究の意義は単にデータを集約することにとどまらない。金融危機の歴史的パターンを定量的に分析することで、銀行取付の発生メカニズムや伝播経路、その経済的影響についての理解が飛躍的に深まる可能性がある。AIとデジタル化されたアーカイブの組み合わせにより、過去の金融危機から現代の金融システムの安定性向上に向けた教訓を得ることができるようになったのである。